![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
分类算法
将图像分类
WX Chen
实用技术总结,前沿科技分享,欢迎交流技术和业务
展开
-
使用resnet网络实现分类算法
train.py import os import torch.optim as optim import torch import torch.nn as nn import torch.nn.parallel import torch.utils.data import torch.utils.data.distributed import torchvision.transforms as transforms import torchvision.datasets as datasets im原创 2022-04-16 14:14:34 · 1873 阅读 · 0 评论 -
图像分类/识别 ResNet
ResNet残差网络,最早的 ResNet 是由 MSRA团队提出的一个 152 层的网络,在2015年的 ILSVRC2015 取得了冠军,比14年的 VGG 和 GoogLeNet 好了不少 随着网络越来越深,大家发现,仅仅靠 BN、ReLU、DropOut 等 Trick无法解决收敛问题,相反,网络的加深带来参数的增加。 网络并不是越深越好,一方面过多的参数容易导致过拟合(当然样本足够多可以一定程度上解决这个问题);另一方面,训练结果会在真值周围变化,导致网络震荡。 在训练分类器的时候,用到的 GB原创 2021-12-14 09:39:34 · 2198 阅读 · 0 评论 -
图像分类/识别 VGG
VGG有很多个版本,也算是比较稳定和经典的model。它的特点也是连续conv多,计算量巨大(比前面几个都大很多)。(参数量:GoogleNet < AlexNet < VGG) http://www.sohu.com/a/134347664_642762 VGG-16入门 卷积结果维度=(原图像维度+padding*2-卷积核维度)/stride+1 https://blog.csdn.net/Errors_In_Life/article/details/65950699 VGGNet .原创 2021-12-14 09:38:37 · 1636 阅读 · 0 评论 -
图像分类/识别 GoogleNet
googlenet,14年比赛冠军的model,这个model证明了一件事:用更多的卷积,更深的层次可以得到更好的结构。 GoogLeNet提出了Inception新模块,以增加网络的宽度 Inception结构: ======================================================================================== 一般来说,提升网络性能最直接的办法就是增加网络深度和宽度,但一味地增加,会带来诸多问题: 1)参数太多..原创 2021-12-14 09:37:10 · 875 阅读 · 0 评论 -
图像分类/识别 AlexNet
Lenet,1998年 Alexnet,2012年 改进模型 ZFNet GoogleNet,2014年 VGG,2014年 ResNet,2015年 Deep Residual Learning,2015年 从下往上看: LeNet 7层:卷积、池化、卷积、池化、卷积、全连接、softmax输出 AlexNet 11层:5个卷积、3个池化、3个全连接 8个模块(5层卷积+3层全连接+输出):卷积+ReLU+池化+标准化、卷积+ReLU+池化+标准化、卷积+ReLU、卷积+ReLU、卷积...原创 2021-12-14 09:36:34 · 896 阅读 · 0 评论 -
CNN学习 LeNet
学习CNN mnist代码 TensorFlow实现 https://zhuanlan.zhihu.com/p/27870208 bug最终解决!!! OneHot问题 https://stackoverflow.com/questions/49065312/valueerror-cannot-feed-value-of-shape-50-for-tensor-placeholder-10-which LeNet-5实现mnist分类识别的代码解释 Tensorflow https://www.codet.原创 2021-12-14 09:35:09 · 145 阅读 · 0 评论